Detailansicht
Production process improvements by utilizing generic close-to-production measurement method
Nataliia Klievtsova
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Wirtschaftsinformatik
Betreuer*in
Stefanie Rinderle-Ma
DOI
10.25365/thesis.72297
URN
urn:nbn:at:at-ubw:1-25213.15485.243347-8
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Produktionsprozesse für einzelne Produkte bestehen oft aus ausführbaren BPMN-Prozessmodellen, die Hunderte oder Tausende von Tasks enthalten. Je mehr Produktionsschritte zur Herstellung eines Produkts durchgeführt werden müssen, je mehr Maschinen und Menschen beteiligt sind, desto mehr Dinge können schief gehen. Dies führt zu einer großen Anzahl von Parametern (physikalische Eigenschaften wie Temperatur, Maschineneigenschaften wie der Abnutzungsgrad der Werkzeuge, ...), die die Qualität der gefertigten Teile beeinflussen können. Dies wiederum macht es schwierig, deterministische Modelle zu erstellen, wie diese Parameter die Qualität der Werkstücke beeinflussen. Mit ausreichendem Aufwand und Datenerfassung (in der Realität ist die Komplexität oft zu hoch) könnte es möglich sein, solche deterministischen Modelle für in Serie gefertigte Werkstücke zu erstellen. Jedoch für Losgröße Eins (in anderen Worten: sehr kleine Losgrößen oder hochgradig kundenindividuelle Produkte) ist dies niemals machbar (oder möglich). Die Überprüfung der Toleranzen nach der Fertigung der Werkstücke ist sehr zeitaufwendig und dauert oft mehr als dreimal so lange wie die Fertigung selbst. Außerdem haben Messmaschinen eine Auflösung von manchmal mehr als 12000 Messungen pro Sekunde, was selbst bei der Messung von sehr kleinen Teilen zu riesigen Datenmengen führt. Ziel dieser Masterarbeit ist es, ein Konzept für die Entwicklung einer generischen produktionsnahen Messmethode vorzuschlagen, mit der (1) der Qualitätszustand der produzierten Teile am Ende der Fertigungslinie bestimmt werden kann und (2) eine Inline-Prävention und -Korrektur von Fehlern möglich ist, während (3) die Datenmenge von Hunderten von Gigabytes auf nahezu Null reduziert wird. Mit anderen Worten: produktionsnahe Messergebnisse mit komprimierten Daten.
Abstract
(Englisch)
Production processes for individual products often consist of executable BPMN process models that contain hundreds or thousands of tasks. The more production steps that have to be conducted to produce a product, the more machines and people are involved, the more things can go wrong. This leads to a high number of parameters (physical properties such as temperature, machine properties such as the degree of wear of tools, ...) that can influence the quality of manufactured parts. This in turn makes it hard to establish deterministic models of how these parameters influence the quality of work pieces. With sufficient effort and data collection (in reality complexity is often to high) it might be possible to create such deterministic models for mass-produced work pieces. For lot-size one (i.e., small lot sized, or highly customized products) it is never feasible (or possible). Checking the tolerances after the manufacturing of work pieces is very time consuming, often taking over three times as long as the manufacturing itself. Also, measurement machines might have a resolution of sometimes more than 12000 measurements per second, which leads to huge chunks of data even for the measurement of very small pieces. The aim of this master thesis is to propose a concept for creating a generic close-to-production measurement method, that can (1) define end-of-line quality state of produced pieces, and (2) provide in-line prevention and correction of defects, while (3) reducing the data size from hundreds of gigabytes to almost zero. In other words: close-to-production measurement results with compressed data.
Schlagwörter
Schlagwörter
(Deutsch)
Produktionsprozess Messmethode Inline Messungen Toleranzanalyse Werkstück
Schlagwörter
(Englisch)
Production process measurement method in-line measurements tolerance analysis working piece
Autor*innen
Nataliia Klievtsova
Haupttitel (Englisch)
Production process improvements by utilizing generic close-to-production measurement method
Publikationsjahr
2022
Umfangsangabe
xv, 93 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Stefanie Rinderle-Ma
Klassifikation
54 Informatik > 54.99 Informatik: Sonstiges
AC Nummer
AC16611175
Utheses ID
64048
Studienkennzahl
UA | 066 | 926 | |